LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小春发布了新的文献求助10
2秒前
2秒前
夜凉如水应助你快睡吧采纳,获得10
6秒前
Polly完成签到,获得积分10
7秒前
Ftucyctucutct发布了新的文献求助10
9秒前
scinanpro完成签到 ,获得积分10
10秒前
研友_VZG7GZ应助帅气的Q采纳,获得10
10秒前
36456657应助vnihc采纳,获得20
10秒前
kk完成签到,获得积分10
10秒前
10秒前
小春完成签到,获得积分20
14秒前
LEE佳完成签到 ,获得积分10
17秒前
Ben完成签到,获得积分20
18秒前
123完成签到,获得积分10
18秒前
18秒前
lailai驳回了SciGPT应助
19秒前
Gilana应助kikeva采纳,获得30
20秒前
聪慧小孙完成签到 ,获得积分10
20秒前
天天快乐应助oneinlove采纳,获得10
21秒前
怕孤单的安蕾完成签到,获得积分10
21秒前
22秒前
小玉米完成签到,获得积分10
23秒前
张广安发布了新的文献求助10
23秒前
zhangjianing发布了新的文献求助10
23秒前
暮霭沉沉应助王高采纳,获得10
23秒前
东方三问完成签到,获得积分10
24秒前
筱宸完成签到,获得积分10
24秒前
秋白完成签到 ,获得积分10
24秒前
25秒前
Rinsana完成签到,获得积分10
26秒前
充电宝应助aaa采纳,获得10
27秒前
自由可乐应助清爽雅旋采纳,获得30
27秒前
筱宸发布了新的文献求助10
27秒前
liwang1979完成签到,获得积分10
28秒前
公小新完成签到,获得积分10
28秒前
28秒前
29秒前
29秒前
缓慢冬莲完成签到,获得积分10
29秒前
30秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3193840
求助须知:如何正确求助?哪些是违规求助? 2842849
关于积分的说明 8041452
捐赠科研通 2507080
什么是DOI,文献DOI怎么找? 1339665
科研通“疑难数据库(出版商)”最低求助积分说明 638764
邀请新用户注册赠送积分活动 607612